Lors de la conférence Stripe, j'ai vu l'avenir de l'économie de l'IA

Auteur : Gao Fei

Traducteur : Jiahua, ChainCatcher

En 1987, une phrase de l’économiste Robert Solow est devenue célèbre : « Vous pouvez voir l’ombre de l’ère informatique partout, sauf dans les statistiques de productivité. »

Cette phrase a tourmenté les économistes pendant près de dix ans. Ce n’est qu’au milieu des années 1990 que la contribution de l’informatique à la productivité a enfin commencé à apparaître clairement dans les données.

Aujourd’hui, en 2026, la même perplexité entoure l’IA. Les discours sur la bulle se succèdent. Les académiciens débattent sans fin. Les entreprises hésitent. Les signaux transmis par les données macroéconomiques restent flous.

Mais dans un domaine, l’impact de l’IA sur l’économie ne fait aucun doute.

Ce domaine, c’est Stripe.

Ces derniers jours, j’ai assisté à la conférence Stripe Sessions à San Francisco. Le volume de transactions traitées par Stripe représente près de 2 % du PIB mondial, avec un volume annuel de paiements de 1,9 trillion de dollars, et plus de 5 millions d’entreprises sur la plateforme.

Dans le classement AI 50 de Forbes, 86 % des entreprises utilisent Stripe. Si l’économie de l’IA est un nouveau-né, Stripe en est le moniteur cardiaque dans la salle d’accouchement. Il enregistre le battement de cœur de ce bébé plus tôt et plus précisément que presque tout le monde.

Une étude de la Réserve fédérale de Saint-Louis, publiée début 2026, montre que les investissements liés à l’IA ont contribué à près de 40 % à la croissance marginale du PIB américain, dépassant le pic de contribution du secteur technologique lors de la bulle Internet. Et lorsque ces investissements se transforment en revenus, une grande partie des règlements se fait via Stripe.

Plus important encore, Stripe ne se contente pas d’enregistrer le battement de cœur de l’économie de l’IA.

Lors de cette conférence, il a été annoncé qu’une nouvelle forme d’économie serait encouragée : le commerce agentique (agentic commerce), où l’agent devient le principal acteur de la transaction.

Lors d’un groupe de presse, John Collison, cofondateur et président de Stripe, a déclaré qu’il prévoyait que les agents agissant en tant qu’acheteurs dans des transactions commerciales deviendraient la norme en 12 à 18 mois.

Deux jours. 288 produits et fonctionnalités lancés. Plus de 10 000 participants. Un mot-clé déterminant : commerce agentique. Voici ce que j’ai vu et entendu lors de la conférence Stripe 2026, ainsi que quelques réflexions.

La croissance de l’économie de l’IA est-elle rapide ?

Avant d’aborder le commerce agentique, il est nécessaire d’avoir une vue d’ensemble de l’économie de l’IA. Solow disait en 1987 qu’on ne trouvait pas la moindre trace d’ordinateurs dans les statistiques. Quarante ans plus tard, l’IA est désormais clairement visible dans les données de Stripe.

Le premier jour de la conférence, le PDG Patrick Collison a présenté un ensemble de données. Depuis la pandémie, le nombre de nouvelles entreprises créées chaque mois sur Stripe est resté élevé, mais la courbe est relativement plate. À partir du début 2026, cette courbe a presque pris une trajectoire verticale.

La raison la plus directe est que les outils de programmation IA ont abaissé la barrière à l’entrée pour l’entrepreneuriat. Beaucoup de développeurs peuvent désormais, grâce au vibe coding, construire un produit payant en quelques jours.

Patrick l’a défini comme un concept plus large : toute l’économie est en train d’être reconstruite autour de l’IA.

Maia Josebachvili, directrice principale des revenus pour l’IA chez Stripe, a ajouté une donnée comparative externe : avant 2024, le nombre de nouvelles applications sur l’App Store d’iOS était en baisse. Après l’émergence des outils de programmation IA, le volume de publications d’applications a explosé de 24 % en un trimestre.

Ce changement n’est pas seulement quantitatif, mais aussi qualitatif. Stripe Atlas est l’un des moyens les plus simples pour un entrepreneur de créer une société aux États-Unis.

La semaine dernière, il a célébré la naissance de sa 100 000e entreprise. Lors de la conférence, j’ai entendu un chiffre étonnant : à un stade donné de leur cycle de vie, les entreprises enregistrées via Atlas en 2025 ont généré deux fois plus de revenus que celles de 2024. Et celles créées en 2026, seulement quelques mois après leur fondation, ont déjà un revenu cinq fois supérieur à celui de la même période l’année précédente.

Lors du rapport sur l’économie de l’IA de l’après-midi, Maia a cité plusieurs noms d’entreprises qui ont propulsé cette croissance.

Lovable a réalisé 100 millions de dollars de revenus en huit mois, puis a atteint 400 millions en huit autres mois. Cursor a généré 1 milliard de dollars de revenus annualisés en moins de deux ans, puis a doublé en trois mois pour atteindre 2 milliards.

Les entreprises natives IA de Stripe ont connu une croissance de 120 % en 2025. En 2026, leur taux de croissance atteint déjà 575 %.

La croissance côté consommation est tout aussi rapide. Le groupe de consommateurs le plus dépensier dépense en moyenne 371 dollars par mois en produits IA, ce qui dépasse même la somme que dépensent en ligne, streaming et téléphonie mobile pour un Américain moyen. J’ai fait une estimation rapide de mes propres dépenses en tokens : elles ont déjà dépassé ma facture de téléphone.

Patrick a aussi fait une comparaison : la vitesse de croissance des entreprises sur Stripe est 17 fois celle de l’économie mondiale.

Le lendemain, John Collison a directement évoqué la paradoxe de Solow, en utilisant une analogie historique.

En 1882, Edison a allumé les premiers clients à Manhattan. Mais, trente ans après la généralisation de l’électrification, la productivité n’a guère augmenté. La cause n’était pas l’électricité elle-même, mais le fait que les usines de l’époque étaient conçues autour de la machine à vapeur. Ce n’est qu’après une reconstruction complète des usines que la productivité a commencé à augmenter.

Selon lui, l’IA en est à un stade similaire. La transformation a déjà eu lieu, mais les anciens modèles n’ont pas encore eu le temps de l’absorber. « Cependant, » dit-il, « je pense que l’IA n’a pas besoin de trente ans. »

Les données de Stripe semblent confirmer son optimisme. Sur leur plateforme, l’économie de l’IA a déjà explosé. Dans presque toutes les entreprises traditionnelles que j’ai rencontrées, les dirigeants de haut niveau accélèrent fortement le déploiement de l’IA.

La naissance de la mondialisation

Outre la rapidité, une autre caractéristique marquante de ces entreprises IA est qu’elles sont dès le départ mondialisées. Stripe a un mot pour cela : « go global by default » (devenir global par défaut).

Depuis que je suis devenu blogueur spécialisé en IA, j’ai souvent cette expérience : la création de contenu IA n’a pas de décalage horaire. Les nouvelles IA de l’autre côté du Pacifique sont aussi importantes que celles de chez nous.

Le fonctionnement des produits IA est aussi similaire. Les grands modèles de langage ont brouillé la frontière entre l’interface utilisateur et l’interaction logicielle traditionnelle. Une interface de chat unifiée permet à des utilisateurs du monde entier d’utiliser le produit en langage naturel. En ce sens, les grands modèles de langage ont permis pour la première fois un marché logiciel mondial unifié.

Les données de la conférence confirment cette observation. Lors de la première vague, les SaaS à croissance la plus rapide couvraient environ 25 pays la première année, puis 50 au bout de trois ans.

La vitesse de développement des entreprises IA est totalement différente : 42 pays dès la première année, 120 au bout de trois ans.

Maia indique que le Kazakhstan apparaît désormais dans la liste des marchés de nombreuses entreprises IA. Lors de la session « Indice économique » du deuxième jour, Stripe a fourni une donnée médiane : les 100 premières startups IA ont déjà vendu leurs produits dans 55 pays dès leur première année.

Une entreprise a donné un exemple concret : Emergent Labs, fondée en 2024 aux États-Unis, tire déjà près de 70 % de ses revenus de l’étranger. Au moins 16 pays contribuent chacun à au moins 1 % de ses revenus.

Parmi les leaders de l’IA, 48 % des revenus proviennent de marchés hors du pays d’origine. Il y a trois ans, ce chiffre n’était que de 33 %. Les revenus mondiaux ne sont plus une simple option, mais la base même.

La vitesse et la mondialisation sont deux caractéristiques clés de l’économie de l’IA, toutes deux directement liées à Stripe. Les entreprises IA doivent rapidement établir leur capacité de paiement. Elles doivent pouvoir accepter des paiements dans 40 pays dès leur première semaine d’existence. C’est précisément ce que Stripe fait depuis sa création.

Revenons un instant à l’origine de Stripe.

Les fondateurs de Stripe, Patrick et John Collison, sont tous deux irlandais. Ce sont des entrepreneurs transnationaux.

Lors de la conférence, j’ai rencontré un collègue irlandais qui m’a dit qu’à ses yeux, ces deux frères sont des héros pour les entrepreneurs en IA en Irlande. En arrivant aux États-Unis, ils ont découvert à quel point il était difficile d’intégrer un système de paiement en ligne. Il fallait signer avec une banque, passer un audit PCI, et s’intégrer à plusieurs intermédiaires. Le processus pouvait durer des semaines, voire des mois.

C’est pourquoi, en 2010, deux jeunes de vingt ans, fraîchement sortis de l’université, ont quitté leur campus, déménagé à San Francisco, et écrit une solution en seulement sept lignes de code pour permettre aux développeurs d’accepter des paiements.

Ces sept lignes de code ont été créées à l’aube de l’essor du mobile et du SaaS. Shopify avait besoin d’aider des millions de commerçants à encaisser. Uber voulait permettre à ses passagers de payer sans friction. Salesforce devait gérer des abonnements mondiaux.

Tous ont choisi Stripe. En grandissant avec ces clients mondiaux, Stripe a développé une capacité locale dans 46 pays, couvrant 195 marchés et supportant 125 méthodes de paiement locales.

Pour les consommateurs, Stripe n’est pas une entreprise sous les projecteurs.

Elle se cache derrière la page de paiement de Shopify, l’e-mail de confirmation d’abonnement d’OpenAI, ou la notification de course Uber. Mais cette invisibilité n’a pas empêché Stripe de devenir la voie financière sous-jacente à l’économie Internet.

À l’ère de l’IA, cette infrastructure financière mondiale donne à Stripe une longueur d’avance pour accompagner l’expansion des entreprises IA à l’étranger.

Lors de cette conférence, j’ai aussi rencontré Abhi Tiwari, responsable mondial des produits chez Stripe.

Il a pris ses fonctions il y a trois mois et s’est installé à Singapour. Stripe possède des centres d’ingénierie à San Francisco, Dublin et Singapour, et un bureau en Amérique latine à São Paulo. Abhi m’a dit que beaucoup d’entreprises IA abordent Stripe avec la même phrase d’ouverture : « Nous sommes par défaut mondiaux. Peu importe où se trouvent nos utilisateurs. »

L’ancien modèle, où l’on développait un produit dans un siège puis on le déployait dans le monde entier, est en train d’être remplacé par des équipes locales qui développent directement pour leur marché cible.

Atteindre des utilisateurs mondiaux, c’est une chose. Leur faire payer en est une autre. La seconde est beaucoup plus complexe, car chaque marché a ses monnaies et ses habitudes de paiement.

Stripe aide principalement ses clients IA et autres de deux manières : en proposant une tarification en monnaie locale, et en intégrant des méthodes de paiement locales.

La première permet aux utilisateurs brésiliens de voir les prix en real brésilien plutôt qu’en dollars, augmentant ainsi le revenu transfrontalier de 18 %. La seconde permet aux Indiens d’utiliser UPI, aux Brésiliens Pix, ce qui augmente le taux de conversion de plus de 7 %.

Après que l’outil de démonstration IA Gamma a intégré le paiement UPI en Inde, ses revenus dans ce pays ont bondi de 22 % ce mois-là. Sur le stand, j’ai aussi vu la société chinoise MiniMax. D’après ce que j’ai compris, beaucoup de startups chinoises à l’étranger utilisent Stripe via leurs filiales à l’étranger.

Ces entreprises natives IA ont aussi une caractéristique commune : elles sont très peu nombreuses. Beaucoup sont des fondateurs seuls ou en duo. Une ou deux personnes, avec une équipe d’agents, suffisent à faire fonctionner une entreprise globale avec des revenus réels.

Lors d’un discours le deuxième jour, Emily a présenté une statistique : sur Atlas, la densité de fondateurs solo approche 5 000 par million d’Américains, et de plus en plus d’entre eux gagnent plus de 100 000 dollars par an.

Elle utilise le terme solopreneur : une entreprise unipersonnelle. John explique ce phénomène à l’aide de la théorie de Ronald Coase : une entreprise existe parce que le coût de coordination interne est inférieur au coût de transaction sur le marché.

Mais l’IA pourrait bouleverser cette logique. Lorsqu’un agent peut découvrir des services, intégrer des logiciels, et gérer les paiements à votre place, le coût de coordination externe chute brutalement. Vous n’avez plus besoin d’une équipe nombreuse pour faire ce qu’un département faisait autrefois.

De l’économie humaine à l’économie agentique

L’économie de l’IA décrite ci-dessus, aussi rapide et mondialisée qu’elle soit, repose encore sur des acteurs humains. Ce sont des humains qui achètent des produits IA. Ce sont des humains qui utilisent des outils IA pour créer des entreprises.

Mais lors de la conférence Sessions cette année, le signal le plus fort que j’ai perçu est que le prochain grand changement chez Stripe sera une autre transformation : une économie où l’agent devient un participant du marché. C’est ce qu’on appelle le commerce agentique.

Ce changement apparaît déjà discrètement dans les données de Stripe.

Will Gaybrick, président des produits et des affaires chez Stripe, a montré un ensemble de données. Depuis des années, l’interface en ligne de commande (CLI) de Stripe est utilisée par une petite communauté de techniciens, avec une utilisation stable.

Mais après 2026, cette utilisation a soudainement explosé. La raison est que les agents n’ont pas besoin d’une interface graphique sophistiquée. Une CLI simple est souvent plus pratique.

Les données de Maia montrent que, en 2025, le trafic de lecture de la documentation Stripe par les agents a été multiplié par dix.

Si cette tendance se poursuit, d’ici la fin de l’année, le nombre de lectures de la documentation Stripe par des agents dépassera celui des humains. L’API que Stripe a peaufinée pendant plus d’une décennie commence à trouver ses nouveaux lecteurs les plus fidèles.

Si l’idée que les agents dépensent de l’argent vous paraît encore un peu étrangère, voici deux scénarios concrets en train de se produire.

Le premier, c’est que l’interface d’achat a peut-être déjà migré dans une fenêtre de chat modelé. Les consommateurs utilisent souvent ChatGPT, Gemini ou Instagram pour rechercher des produits. La distance entre recherche et achat se réduit à une seule interface. La Chine a aussi ses exemples, notamment l’histoire bien connue de l’achat de bubble tea dans une application IA.

Lors d’un groupe de presse, John Collison a expliqué pourquoi cette compression est difficile à inverser, en racontant sa propre expérience d’achat d’un adaptateur secteur pour voyage.

Si un agent réalise tout le processus, de la recherche à la commande, et que le produit arrive chez lui quelques jours plus tard, il n’aura plus besoin d’aller sur un autre site pour remplir à nouveau ses informations personnelles, même si le produit est légèrement meilleur ailleurs. Une fois la recherche terminée par l’agent, la prochaine étape logique, c’est le paiement.

Le deuxième exemple est encore plus intéressant : OpenClaw. Ceux qui ont suivi la vague des « griffes (claw) » savent qu’il s’agit de l’un des cadres open source d’agents autonomes les plus en vogue.

Les utilisateurs donnent des instructions à l’agent via des messageries comme Feishu, Telegram ou WhatsApp, et l’agent exécute la tâche de façon autonome.

L’essentiel, c’est qu’OpenClaw peut dépenser plusieurs centaines de yuans ou dollars en tokens en une seule journée. Il gère lui-même la consommation et l’utilisation des tokens. Bien que dans de nombreux cas une autorisation humaine soit encore nécessaire, en fin de compte, ce sont les agents qui consomment les tokens, et ceux-ci peuvent être directement convertis en argent.

Passer de la gestion de tokens par l’agent à un achat direct par l’agent n’est qu’une étape. Lors de la conférence, Stripe a présenté une démonstration qui franchit cette étape.

Achat et vente par agent

Sur la scène principale du deuxième jour, une démonstration a suscité de nombreux applaudissements.

John Collison a donné à un agent une instruction simple : étudier comment la demande en IA influence le marché de l’énergie. L’agent a commencé à rechercher, et a trouvé un jeu de données sur le marché de l’énergie chez Alpha Vantage, vendu 4 cents.

L’agent a jugé que le prix était dans son budget, puis a utilisé le portefeuille de stablecoins dans le CLI Tempo pour acheter et télécharger les données, car une transaction de 4 cents par carte de crédit serait absurde.

Ensuite, il a généré un rapport d’analyse complet. Rien que cette étape était déjà impressionnante. Mais John a ensuite dit à l’agent : « Publie et vends ce rapport. Fixe un prix que tu juges raisonnable, et rends-le accessible à d’autres agents pour qu’ils puissent l’acheter. »

L’agent a vérifié les conditions d’utilisation du jeu de données Alpha Vantage, a confirmé qu’il pouvait le commercialiser, puis a créé un site web, publié le rapport, et généré un fichier d’instructions permettant à d’autres agents d’acheter ces données en une seule requête.

En quelques minutes, un agent a réalisé toute la chaîne : recherche, achat, production, conformité, publication, tarification et vente. Il est à la fois acheteur et vendeur. À la fin de la démonstration, John a déclaré : « Le commerce agentique est là. »

Deux autres démonstrations du premier jour ont également été remarquables. Will Gaybrick a construit une application d’audit de code API, permettant à un agent d’obtenir un service d’audit sans que l’utilisateur ait à payer ou à fournir d’informations de paiement.

Lors de l’exécution de la tâche, l’agent a automatiquement détecté que l’application utilisait le protocole de paiement machine (MPP), et a effectué un paiement de 2 dollars de façon autonome. La seule intervention humaine a été une empreinte digitale pour autoriser. La capacité de découvrir et de payer sans configuration spécifique est au cœur du protocole MPP. Les développeurs n’ont pas besoin d’écrire une logique de paiement pour l’agent. L’agent peut le faire tout seul.

Ensuite, Gaybrick a combiné le moteur de facturation en temps réel Metronome, la blockchain Tempo conçue pour le paiement, et la stablecoin, pour démontrer un paiement en flux (streaming payment) — décomposer le paiement en micro-versements continus et en temps réel, synchronisés avec la consommation de services (par exemple, puissance de calcul IA).

Une application facturant en temps réel en fonction de la consommation de tokens IA, à 3 dollars par million de tokens. Plusieurs agents fonctionnent simultanément. Le tableau de bord à gauche montre la consommation de tokens en augmentation constante, tandis que le paiement en micro-versements en stablecoin s’écoule en temps réel à droite.

En ouvrant le navigateur de la blockchain Tempo, on voit un paiement total de 3,30 dollars composé de milliers de micro-versements inférieurs à un dollar, chacun équivalent à un millième de dollar.

Les cartes de crédit ne peuvent pas faire cela. ACH ne peut pas. UPI ni Pix non plus. Gaybrick a annoncé en direct qu’il s’agissait du premier paiement en flux au monde.

Le retour des micro-paiements et la nouvelle logique de consommation

Les exemples de shopping dans la fenêtre de chat et d’OpenClaw illustrent la consommation par l’agent au nom de l’humain. Mais lors du groupe de presse, Collison a fait une déclaration plus ambitieuse : l’agent pourrait aussi créer de nouveaux besoins.

Il pense que l’agent pourrait redonner vie à un modèle commercial qui a échoué depuis longtemps : le micro-paiement. Les humains ne sont pas doués pour faire des décisions de consommation extrêmement fines. Spotify a remplacé le paiement à la chanson par un abonnement mensuel à 9,99 dollars, car personne ne veut réfléchir à la valeur de 15 cents à chaque fois qu’on appuie sur « lecture ».

L’agent, lui, n’a pas cette charge cognitive. Si cette hypothèse est correcte, toute une catégorie de modèles commerciaux qui ont échoué à cause de la résistance cognitive humaine pourrait soudain devenir réalisable grâce à l’agent.

Maia m’a aussi exprimé une idée similaire lors d’un entretien privé. Elle a dit qu’elle venait de parler à une trentaine de fondateurs IA, et que la question du prix était le sujet le plus fréquemment abordé lorsqu’ils discutaient du commerce agentique.

Chaque transaction implique deux parties : l’acheteur et le vendeur. Si l’acheteur devient un agent, comment le commerçant doit-il réagir ?

Dans une interview, j’ai posé une question à Jeff Weinstein, responsable produit chez Stripe : « Les humains disent souvent que ‘le client est roi’. Les commerçants doivent satisfaire les consommateurs. Mais comment faire plaisir à un agent ? »

Jeff a répondu qu’il fallait envisager l’agent comme le meilleur programmeur que vous connaissez. Il veut des informations parfaites, un format structuré, une lecture rapide, et toutes les informations de contexte nécessaires à la décision.

Les consommateurs humains aiment les images soignées et les animations fluides. Les agents, eux, veulent des données structurées brutes, des informations logistiques précises, et veulent effectuer la transaction en aussi peu d’étapes que possible.

Dans un autre échange, Ginger Baker, vice-présidente de Meta, a résumé cette transformation de façon plus radicale : le paiement passera d’un « instantané » à une « stratégie ».

Les achats humains sont discrets.

Vous allez à la caisse, sortez votre portefeuille, payez par carte, et c’est fini.

Les consommations par agent, elles, sont continues.

Vous définissez une règle, par exemple : « Mes dépenses pour les produits de première nécessité cette semaine ne dépassent pas 50 dollars », ou « J’utilise toujours cette carte en priorité », ou « Je ne donne jamais d’autorisation automatique pour des transactions de plus de 500 dollars ». Ensuite, l’agent effectuera en autonomie des achats dans le cadre de ces règles.

La puissance de calcul, nouvelle monnaie

Si un agent devient un nouveau type de consommateur, il apportera aussi de nouveaux risques. Ces risques sont fondamentalement différents de ceux liés aux transactions SaaS traditionnelles, et aussi très différents de ceux auxquels font face les humains.

Pendant la conférence, j’ai particulièrement suivi ce sujet, en discutant avec plusieurs cadres de Stripe.

Emily Glassberg Sands, responsable de l’IA chez Stripe, a décrit trois modes de fraude en forte croissance. La première est l’abus multi-comptes : une même personne s’inscrit plusieurs fois, créant différents comptes, chacun bénéficiant d’un crédit gratuit.

Selon les données de Stripe, une entreprise sur six dans l’IA est concernée par ce type d’abus. La deuxième est la consommation malveillante pendant la période d’essai gratuit. C’est particulièrement critique pour les entreprises IA, car chaque essai coûte en inference réelle.

Elle a donné un exemple : pour une société partenaire, le coût en tokens pour acquérir un client payant dépasse 500 dollars, car il faut 25 essais gratuits pour convertir un client, dont 19 sont frauduleux.

La troisième, qu’elle appelle « free-riding » (manger la soupe sur le dos des autres) : le client consomme beaucoup de tokens, puis refuse de payer à la fin du mois. Emily cite aussi cette phrase : « La puissance de calcul, c’est la nouvelle monnaie. » Lorsqu’un SaaS traditionnel est abusé, le coût marginal est presque nul. Mais chaque appel d’inférence IA a un coût réel. Voler des tokens, c’est voler de l’argent.

Mais il y a un dilemme particulièrement épineux : beaucoup de fondateurs IA répondent à l’abus en coupant simplement la période d’essai gratuit.

Emily a dit qu’elle avait demandé à tous ceux qui prétendaient « avoir résolu » ce problème comment ils s’y prenaient. La réponse, c’est qu’ils ont simplement fermé la couche gratuite. Mais Jeff pense que cela pose un autre problème.

L’agent devient de plus en plus le principal vecteur de découverte de nouveaux services. Si l’agent ne peut pas tester un service par lui-même, il passera directement à un autre lien.

Emily a ajouté que si l’incitation à l’essai gratuit est « rejoindre la liste d’attente » ou « contacter le commercial », l’agent quittera immédiatement la page. Fermer l’inscription autonome pour lutter contre la fraude pourrait donc céder la place à la perte du canal de croissance le plus important, celui qui alimente la majorité des nouveaux utilisateurs.

Stripe a sa solution à ce dilemme : son système de prévention de la fraude Radar. La logique est simple : chaque transaction sur Stripe entraîne une phase d’apprentissage pour Radar.

Les données de transaction de 5 millions d’entreprises alimentent un réseau partagé de détection des risques. Si une entreprise détecte un mode de fraude, toutes en bénéficient. Le mois dernier, Radar a bloqué plus de 3,3 millions d’inscriptions à des essais gratuits à haut risque dans huit entreprises IA en forte croissance.

Jeff a aussi avancé une idée contre-intuitive : que l’achat par agent pourrait, à terme, être plus sûr que l’achat humain en ligne. La confiance dans le shopping en ligne repose sur des inférences : combien de temps l’utilisateur reste sur le site, si ses clics semblent normaux, etc.

Mais les transactions par agent peuvent être vérifiées par des programmes. La plateforme de paiement partagée de Stripe utilise la tokenisation pour marquer les données de paiement, de sorte que l’agent n’a jamais accès au numéro de carte original. La vérification peut aussi se faire par biométrie, avec des limites de transaction, des fenêtres temporelles, et des listes blanches de commerçants.

Lorsque la confiance passe de l’inférence à la confirmation, la sécurité de base pourrait même s’améliorer.

Écosystème, protocoles et une histoire

Vous l’aurez compris : la réalisation du commerce agentique dépend d’un écosystème bien huilé. Lors de Stripe Sessions 2026, j’ai rencontré une personne du secteur alimentaire. Il m’a dit qu’il assistait à la conférence pour voir si le commerce agentique pouvait devenir une nouvelle opportunité pour son entreprise. C’est la perspective du vendeur.

Donc, cela ne peut pas se faire uniquement par Stripe. Il faut un écosystème.

Pendant deux jours, j’ai parcouru le salon, et j’ai vu de nombreux stands de sociétés couvrant toute la chaîne financière.

Stripe a aussi lancé ou rejoint une série de protocoles pour connecter toutes ces parties : acheteurs et vendeurs, humains et machines, machines et machines. Le protocole de paiement machine (MPP) permet aux agents de découvrir et d’effectuer des paiements via HTTP.

Le kit de commerce agentique permet aux consommateurs d’acheter directement dans les applications IA de Google, Meta, OpenAI et Microsoft. Le protocole commercial universel (UCP), initié par Shopify et rejoint par Meta, Amazon, Salesforce et Microsoft, est un protocole commercial multiplateforme. Stripe a rejoint le comité de gouvernance de l’UCP.

Un groupe d’entreprises, à la fois partenaires et concurrents, a accepté de collaborer sur un protocole partagé, car la fragmentation rendrait difficile pour les agents de consommer de façon fluide à travers plusieurs plateformes. Ce n’est dans l’intérêt de personne.

En parlant de protocoles, j’ai vu lors du salon un partenaire particulier de Stripe : Visa. À mon avis, Visa est en fait une plateforme de protocoles.

Voir Visa m’a immédiatement rappelé un livre que j’aime depuis longtemps : « La Confiance Ordinaire » (Dee Hock, fondateur de Visa, a écrit « La Confiance Ordinaire »), qui explore comment, à l’ère électronique, banques, monnaies et cartes de crédit peuvent être redéfinies.

La fin des années 1960, la Bank of America a lancé la carte bancaire nationale. Des millions de consommateurs ont commencé à utiliser la carte à travers le pays, ce qui a fait s’effondrer le système existant. Hock a compris que le problème venait de la structure organisationnelle. Des dizaines de banques concurrentes devaient partager une infrastructure commune, mais aucune forme d’organisation existante ne permettait leur coopération tout en restant concurrentes.

Il a appliqué un principe de décentralisation, faisant de toutes les banques des membres égaux d’une nouvelle organisation, et la Bank of America a abandonné le contrôle exclusif du système. Cette organisation a été rebaptisée Visa.

Ainsi, deux entreprises très différentes, à deux époques différentes, font quelque chose de similaire. Existe-t-il une transmission, une filiation ?

Avec l’aide de tout agent, la réponse est évidente. Patrick Collison a rendu hommage à Dee Hock. Après la disparition de Hock en 2022, Patrick l’a qualifié de « créateur sous-estimé », et a dit qu’il l’avait inspiré, lui et son frère.

Une marque d’influence plus concrète : le choix de recruter David Stearns, auteur d’une histoire académique autoritaire sur Visa, qui a rejoint Stripe.

Et un détail qui fera sourire tous ceux qui connaissent l’histoire du paiement : lors du salon, Georgios Konstantopoulos, CTO de Tempo blockchain, a présenté la liste des validateurs. L’un d’eux s’appelle Visa.

L’institution fondée par Hock, Visa, est aujourd’hui un nœud dans un réseau blockchain incubé par Stripe. Un étudiant a créé un nouveau réseau, un professeur en est devenu un nœud.

Lors de l’ouverture de la conférence, Patrick a retracé l’origine de la pensée de Stripe. Il a dit qu’il était initialement programmeur en Lisp. L’un des principes fondamentaux de Lisp, c’est que « le code est des données ».

Il a traduit cette idée dans le vocabulaire de Stripe : « La philosophie fondamentale de Stripe, c’est que l’argent est des données. » Lors de la sortie de Stripe en 2011, ce n’était pas une idée courante dans l’industrie.

Hock, du point de vue de la théorie des organisations, a exploré la nature de la monnaie, concluant qu’elle n’est qu’une « garantie d’échange de valeur ». Le support peut être n’importe quoi. Collison, du point de vue du langage de programmation, a directement assimilé la monnaie à des données : une donnée programmable, accessible via API, manipulée par des agents.

Deux visions différentes pour exprimer la même idée. Sur scène le même jour, Ginger Baker a été plus direct : « La monnaie, c’est une autre forme de contenu numérique. »

Si la monnaie est des données, alors ceux qui consomment des données sont aussi ceux qui consomment de la monnaie.

L’ADN de Stripe

Nous approchons de la fin de cette histoire sur l’économie de l’IA. Mais faisons un détour. Stripe peut presque être considéré comme un pair des créateurs de contenu.

Cette société ne se limite pas aux services financiers. Elle excelle aussi dans la création de contenu. Son département d’édition, Stripe Press, a une très bonne réputation. Beaucoup la connaissent grâce à son livre « La Bible de Charlie » (The Charlie Munger Bible).

Son podcast « A Cheeky Pint » est également unique, avec un large public. Sundar Pichai, CEO de Google, Dario Amodei, CEO d’Anthropic, et Marc Andreessen, cofondateur d’a16z, y ont été invités.

Lors de la conférence, j’ai rencontré Tammy Winter, éditrice senior chez Stripe Press, et Pablo Delcan, designer. Tammy a plaisanté : « Stripe, c’est comme une maison d’édition valant des milliards de dollars. »

Pablo Delcan a parlé de sa conception du goût. Il pense que le goût est quelque chose qui se développe avec le temps et doit être mûri. En matière de design, il estime que la nouvelle question est comment ajouter de la complexité tout en conservant la simplicité et la clarté.

Quand la conversation a glissé vers les livres, Tammy m’a dit qu’au sein de Stripe Press, une série de livres pour fondateurs et bâtisseurs s’appelle « Turpentine » (térébenthine).

Ces livres se concentrent sur le savoir opérationnel, les outils, la technique, la maintenance, et le fonctionnement pratique. Ce ne sont pas des théories abstraites, mais des guides pour résoudre des problèmes concrets.

Ce nom vient d’une histoire supposée sur Picasso : quand les critiques d’art se rassemblent, ils parlent de forme, de structure et de sens ; mais quand les artistes se réunissent, ils parlent d’où acheter de la térébenthine bon marché.

Ce que cette série veut faire, c’est devenir la térébenthine bon marché dans la main des fondateurs. Réfléchissez : pour une entreprise IA à l’étranger, les services financiers de Stripe sont une autre forme de cette térébenthine. Vous n’avez pas à vous soucier des paiements, de la conformité ou des devises. Vous pouvez vous concentrer sur la création de votre produit.

Ce détour, qui peut sembler hors sujet, a en réalité un lien potentiel.

Stripe publie aussi une revue appelée « Works in Progress » (Travaux en cours), dont le sujet central est la croissance économique. Son podcast interviewe des leaders de l’économie de l’IA. La conférence elle-même ressemble à une sorte de cours d’économie.

Le lendemain matin, John Collison a passé toute la matinée à parler de données économiques, de la théorie de Coase, et du paradoxe de Solow. Je pense qu’une société de services financiers, qui s’intéresse autant à l’économie, le fait parce qu’elle voit dans la compréhension des changements structurels une voie pour découvrir ses prochains produits.

En tant qu’amateur de podcasts, la première question que je voulais poser à John lors de la première journée, ce n’était pas une question financière, mais une question sur les podcasts. Je lui ai demandé, après avoir interviewé tant de personnes, s’il existait une question fondamentale qui traversait toutes leurs réponses.

Il a réfléchi un instant, puis a dit que ce qui l’intéressait vraiment, c’était comment ces entreprises fonctionnent réellement, dans quel équilibre concurrentiel elles évoluent, et comment elles comprennent leur propre activité.

Par coïncidence, à la fin de la première journée, un petit épisode est survenu. La dernière table ronde, initialement prévue avec Patrick interviewant Greg Brockman d’OpenAI, a été remplacée peu avant par Sam Altman. Patrick a expliqué que, après tout, « l’IA est un domaine en rapide évolution. »

Ce changement a été accueilli avec enthousiasme. La salle a applaudi.

Les deux se connaissent depuis près de 19 ans. Altman a été l’un des premiers investisseurs providentiels de Stripe, alors que les frères Collison avaient moins de 20 ans. C’est pourquoi Altman a paru très détendu tout au long de la conversation.

Vers la fin, Patrick lui a posé une question personnelle : pourquoi Altman avait-il investi dans deux jeunes de seulement une dizaine d’années ? Altman a répondu qu’il se souvenait qu’ils voulaient créer un produit qui répondait à un problème qu’ils avaient eux-mêmes rencontré, et qu’il voyait aussi une opportunité d’extension à grande échelle, car beaucoup d’autres en avaient besoin.

Je pense que ses réponses sur le podcast et sur l’investissement pointent vers la même chose : rechercher un besoin réel, résoudre un problème authentique.

Dans la conversation, Altman a divisé la transformation d’OpenAI en trois phases : d’un laboratoire de recherche à une entreprise de produits, puis à une « usine à tokens » fournissant de l’intelligence au monde. Chaque étape correspond à une mission différente.

Stripe aussi.

En 2010, deux jeunes Irlandais voulaient simplement faciliter la paiement en ligne. Aujourd’hui, ils ont résolu ce problème pour 5 millions d’utilisateurs. Et en 2026, ils ont découvert un nouveau problème : leurs clients pourraient bientôt ne plus être humains.

Une entreprise de podcasting d’un côté, une maison d’édition de l’autre, en train de discuter de la théorie de Coase et du paradoxe de Solow, dans un hall rempli de protocoles et d’API : Stripe n’est pas seulement en train de créer l’économie de l’IA. Elle en est aussi en train de l’enregistrer.

Lors de la conférence, une idée un peu folle m’a traversé l’esprit : Stripe détient près de 2 % du PIB mondial en volume de transactions. Elle peut voir chaque dollar de revenu de l’IA, d’où il vient, où il va, et à quelle vitesse il croît.

Si Solow avait disposé d’un tel moniteur cardiaque, peut-être n’aurait-il pas fallu attendre dix ans pour voir la trace de l’ordinateur dans les statistiques.

Peut-être qu